CN107239907A

CN107239907A - 城镇综合承灾能力的评估方法、装置和系统

Info

Publication number: CN107239907A
Application number: CN201710429271.2A
Authority: CN
Inventors: 陈涛; 陈智超; 袁宏永; 吕颖; 李志鹏
Original assignee: Tsinghua University; Beijing Global Safety Technology Co Ltd
Current assignee: Tsinghua University; Beijing Global Safety Technology Co Ltd
Priority date: 2017-06-08
Filing date: 2017-06-08
Publication date: 2017-10-10
Anticipated expiration: 2037-06-08
Also published as: CN107239907B

Abstract

本发明涉及城镇综合承灾能力的评估方法、装置和系统。城镇综合承灾能力的评估方法包括：获取影响城镇综合承灾能力的指标体系的多个层级以及每个层级的指标，所述多个层级至少包括最低层级、至少一个中间层级和最高层级；利用层次分析法分别计算所述最低层级和所述中间层级的指标的权重值；获取所述区域的预定期间的最低层级的指标数据；以及针对所述指标数据，利用证据推理法与所述权重值来计算所述城镇的综合承灾能力指数。

Description

城镇综合承灾能力的评估方法、装置和系统

技术领域

本发明涉及区域风险评估领域，尤其涉及城镇综合承灾能力的评估方法、装置和系统。

背景技术

近些年来，随着城镇化的快速推进，城镇承灾能力和自身的发展水平之间产生了不平衡，自身的综合承灾能力落后于发展水平导致城镇正面临严峻的公共安全形势。而目前对城镇尺度的风险评价或综合承灾能力评估的研究还很不成熟。因此研究城镇综合承灾能力和综合风险的评估，能够为提升城镇公共安全水平提供科学支撑，是极具意义的。

发明内容

目前，在城镇综合承灾能力的评估中存在众多的方法，例如在对城市综合承灾能力评估中存在以下几种方法。

只使用层次分析法(AHP)，然后采用加权求和的方式计算综合承灾能力。

另外，还存在模糊综合评价法(Fuzzy Comprehensive Evaluation,FCE)，模糊综合评价就是以模糊数学为基础，应用模糊关系合成的原理，将一些边界不清、不易定量的因素定量化，从多个因素对被评价事物隶属等级状况进行综合性评价的一种方法。

还存在分形理论与分形评价方法，属于非线性科学研究领域，可以用于对系统运行的效果进行评价。分形是指其组成部分以某种方式与整体相似的一种几何形态，其最重要的特征是自相似性。所谓自相似性指的是物体的每一个足够小的局部与整体都具有相似的特征，但是这种相似是有一定范围的，当超出某一范围时，这种相似性就相应消失。分形理论就是基于分形的自相似性特征来描述自然界中不规则事物的规律性科学。

但是，本申请的发明人发现，在上述的城市综合承灾能力的评估方法中，在只使用层次分析法或分形评价方法时，无法处理同时存在定性指标和定量指标的情况；在只采用模糊综合评价法时，缺点在于对确定权重时专家评分这种形式的主观性几乎没有任何补偿作用，尤其是在出现指标值100％从属于某一特定评价等级的情况时。

本发明实施例提供一种城镇综合承灾能力的评估方法、装置和系统，可以在对城镇的综合承灾能力进行评估。

根据本发明实施例的一方面，提供一种城镇综合承灾能力评估方法，所述评估方法包括：获取影响城镇综合承灾能力的指标体系的多个层级以及每个层级的指标，所述多个层级至少包括最低层级、至少一个中间层级和最高层级；利用层次分析法分别计算所述最低层级和所述中间层级的指标的权重值；获取所述城镇的预定期间的最低层级的指标数据；以及针对所述指标数据，利用证据推理法与所述权重值来计算所述城镇的综合承灾能力指数。

根据本发明实施例的另一方面，提供一种城镇综合承灾能力的评估装置，所述评估装置包括：指标获取模块，获取影响城镇综合承灾能力的指标体系的多个层级以及每个层级的指标，所述多个层级至少包括最低层级、至少一个中间层级和最高层级；权重计算模块，利用层次分析法分别计算所述最低层级和所述中间层级的指标的权重值；数据获取模块，获取所述城镇的预定期间的最低层级的指标数据；以及综合承灾能力指数计算模块，针对所述指标数据，利用证据推理法与所述权重值来计算所述城镇的综合承灾能力指数。

根据本发明实施例的再一方面，提供一种城镇综合承灾能力的评估系统，该评估系统包括存储器和处理器，所述存储器用于存储程序，所述处理器用于运行存储器中存储的程序，以执行以下步骤：获取影响城镇综合承灾能力的指标体系的多个层级以及每个层级的指标，所述多个层级至少包括最低层级、至少一个中间层级和最高层级；利用层次分析法分别计算所述最低层级和所述中间层级的指标的权重值；获取所述城镇的预定期间的最低层级的指标数据；以及针对所述指标数据，利用证据推理法与所述权重值来计算所述城镇的综合承灾能力指数。

根据本发明实施例的城镇综合承灾能力的评估方法、装置和系统，通过将层次分析法与证据推理法结合，能够处理同时存在定性指标和定量指标的情况，又能处理数据的不确定性。通过将本发明应用于城镇综合承灾能力等这样需要考虑因素较多、数据存在不确定性的评估中，能够有效地进行综合承灾能力、综合风险等的评估。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例中所需要使用的附图作简单地介绍，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是示出根据本发明一实施例的城镇的综合承灾能力的评估方法的流程图；

图2是图1中对最低层级和中间层级的指标的权重值进行计算的详细的流程图；

图3是示出利用证据推理法获取城镇的综合承灾能力指数的流程图；

图4是针对指标的历史数据的标准化处理的详细的流程图；

图5是示出标准化处理后的指标值与对应评价等级的隶属度关系的曲线图；

图6是示出同一指标值在不同评价等级下的隶属度的曲线图；

图7是示出用于城镇综合承灾能力的评价的效用值函数曲线图；

图8是根据本发明一实施例的城镇综合承灾能力的评估装置的结构示意图；

图9是综合承灾能力指数计算模块的具体的结构示意图；

图10是示出能够实现根据本发明实施例的城镇综合承灾能力的评估方法和装置的城镇综合承灾能力评估系统的示例性硬件架构的结构图。

具体实施方式

下面将详细描述本发明的各个方面的特征和示例性实施例，为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细描述。应理解，此处所描述的具体实施例仅被配置为解释本发明，并不被配置为限定本发明。对于本领域技术人员来说，本发明可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本发明的示例来提供对本发明更好的理解。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

下面结合附图，详细描述根据本发明实施例的城镇综合承灾能力的评估方法、装置和系统。应注意，这些实施例并不是用来限制本发明公开的范围。

图1是示出根据本发明实施例的城镇综合承灾能力的评估方法的流程图。如图1所示，本实施例中的城镇综合承灾能力评估方法100包括以下步骤：

步骤S110，获取影响城镇综合承灾能力的指标体系的多个层级以及每个层级的指标，所述多个层级至少包括最低层级、至少一个中间层级和最高层级；

步骤S120，利用层次分析法分别计算所述最低层级和所述中间层级的指标的权重值；

步骤S130，获取所述城镇的预定期间的最低层级的指标数据；以及

步骤S140，针对所述指标数据，利用证据推理法与所述权重值来计算所述城镇的综合承灾能力指数。

城镇综合承灾能力是指城镇这一综合承灾体对某一种或多种突发自然灾害事故的预测、预防、救护及恢复的综合能力，反映城镇抵御灾害的整体水平。

首先需要建立城镇综合承灾能力的指标体系(Indication System，IS)，该指标体系的建立是对研究对象进行评估的前提和基础，指标体系可以将抽象的研究对象分解成为具体地、可操作化的结构，通过建立城镇综合承灾能力的指标体系，对综合承灾能力指数进行评估，可以对城镇的安全性的好坏进行整体评估、对生产事故进行预测。

在城镇综合承灾能力的评价指标体系中，例如考虑防灾能力、抗灾能力、救灾能力和恢复能力来构成指标，以此为基础构建具有一定层级的城镇的综合承灾能力的评价指标体系。

在图1的步骤S110中，城镇的指标体系可以具有三个或三个以上的层级。

具体地，如果是三个层级，则该三个层级分别为最低层级、中间层级和最高层级；如果是三个以上的层级，则该三个以上的层级分别为最低层级、一个以上的中间层级和最高层级。

例如在构建城镇的综合承灾能力的评价指标体系中，建立四个层级，作为最高层级的第一层级的指标是城镇的综合承灾能力；作为中间层级的第二层级的指标例如包含防灾能力、抗灾能力、救灾能力、恢复能力；在作为另一中间层级的第三个层级中，以作为防灾能力的下一层级为例，指标例如包含社会因素、经济因素以及环境因素，其他第三层级的指标这里不一一举例说明；在最低层级的第四层级中，以作为社会因素的下一层级为例，指标例如包失业率、企业安全员配备情况、城乡居民社会公德评价等级、城乡居民生活质量差距等，这里对其他的第四层级的指标也不一一进行举例说明。在城镇综合承灾能力的评价体系中，既包含如城乡居民社会公德评价等级、城乡居民生活质量差距这样的定性指标，也包含如失业率、企业安全员配备情况这样的定量的指标，因此以往的评价方法难以准确进行评价。

另外，各个指标在整体评估中的贡献往往是不同的，并且城镇综合承灾能力性的评估涉及的指标多，数据统计量较大，指标之间的关系复杂的特点，因此不能简单的只从数据信息角度确定各个指标的权重，为了使评估和评估的过程更加清晰和明确，在本发明实施例中，确定评估或评估方案的指标体系，构造指标体系的层次结构，并将层次分析法(Analytic Hierarchy Process，AHP)作为确定指定层级的各指标权重的方法。在步骤S120中，利用层次分析法分别计算所述最低层级和所述中间层级的指标的权重值。

作为一个可选实施例，图2是示出图1中对最低层级和中间层级的各个指标的权重值进行计算的详细的流程图。如图2所示，步骤S120具体可以包括以下步骤：

步骤S121，分别获取最低层级和中间层级的指标的重要性评分。

在上述步骤S121中，重要性评分是根据预设的指标重要程度评分标准，分别对最低层级和中间层级的各个指标的重要性进行评分得到。

步骤S122，基于最低层级和中间层级的指标的重要性评分，分别构建最低层级和中间层级的指标权重判断矩阵。

步骤S123，分别利用指标权重判断矩阵计算最低层级和中间层级的指标的权重值。

通过上述步骤S121～S123，对每个层级的指标进行评分，构建判断矩阵，并通过计算得到构建的判断矩阵中的各个指标的权重值。

层次分析法的一个重要特点是利用相同层级的每个指标与其他指标间两两重要性程度之比的形式表示出重要性程度等级、即指标的权重。在通常的做法中，特定用户可以按照层次分析法的评估尺度为每个层级的指标通过两两比较，按其重要性程度进行评分。

为了便于理解，下表1示例性的示出了传统层次分析法的评估标准的两两比较评分及其含义。

表1 传统层次分析法评估标准

根据上述表1中的评估标准，按指定层级的各个指标分别与其他指标间的比较的结果构成的矩阵即为判断矩阵。

在本发明实施例中，如果对大量指标中的每个指标分别与其他指标进行比较，由于指标数量很多，比较的过程持续到比较过程的后期时，繁冗的比较将会对人的正确判断造成较大的影响，从而影响评分结果的科学性和一致性。

在本发明实施例中，为了简化对指标的重要性评估方法，提高评分结果的科学性和一致性，对指标权重判断矩阵的构建方法做出改进。

具体地，在图2的步骤S121中，根据预设的指标重要程度评分标准直接对指定层级的各个指标进行重要性评分。

为了便于理解，下表2示例性的示出了根据本发明实施例的层次分析法的评分标准中对各指标的重要程度定义和对应的评分。表2中的示例不应理解为对层次分析法评分标准的具体限定。

表2 层次分析法评分标准

重要程度定义	评分
		不重要	1
稍微重要	3
		相当重要	5
明显重要	7
		绝对重要	9
相邻两程度之间	2、4、6、8

根据上述表2中的示例，根据预设的指标重要程度评分标准对指定层级中各指标的重要程度分别进行打分，打分后通过分值的两两比较得到如前所述的要素间两两比较的得分，然后再进一步进行权重计算和一致性检验，这样就能够有效地避免上面提到的两个问题。

作为一个可选实施例，在通过层次分析法判断权重的过程中如下来执行。

假定有n个指标A₁,A₂,…,A_n，其重要程度得分分别为ω₁,ω₂,…,ω_n。若两两比较它们的重要程度得到N×N的比较矩阵A：

接着，将矩阵A作为判断矩阵并基于此来获取各指标的权重值。

判断矩阵的获取方式不限于此。例如为了便于理解，下面通过一个具体的示例来描述指标权重判断矩阵的构建过程。在该示例中，例如作为防灾能力的下一层指标中包含经济因素，经济因素的下一层级指标例如包含以下指标：D1，农业经济比例；D2，恩格尔系数；D3，基础设施投资。

首先，特定用户例如专家或其他指定的评定人员，根据专业知识，按照表2所示的层次分析法评分标准分别对指标D1、D2和D3的重要程度进行打分。作为一个示例，下表3示意性的示出了三个特定用户分别对该层级指标的重要程度进行评分的结果。

表3 层级指标重要性评分

如表3所示，指标D1的重要性评分的分值分别为7、5、0；指标D2的重要性评分的分值分别为7、5、9；以及指标D3的重要性评分的分值分别为0、5、9。

其次，通过各个指标的重要性评分之和与参与评分的特定用户数量的比值，计算得到每个指标的重要性评分的平均分。

具体地，指标D1的重要性评分的平均分为4；指标D2的重要性评分的平均分为7；指标D3的重要性评分的平均分为4.667。

接下来，基于计算得到的各个指标的重要性评分的平均分，分别构建最低层级和中间层级的指标权重判断矩阵。

下表4示意性的示出了根据各指标重要性评分的平均分，利用指标间两两比较的比值构建的指标权重判断矩阵。

表4 指标权重判断矩阵的位置点取值

	D1	D2	D3
				D1	1	1.75	1.16675
D2	0.57143	1	0.66671
				D3	0.85708	1.49989	1

在上述表4中，对指标D1、D2、D3的重要性评分的平均值进行两两比较的组合可以形成3×3个位置点：

(D1，D1)、(D1，D2)、(D1，D3)、

(D2，D1)、(D2，D2)、(D2，D3)、

(D3，D1)、(D3，D2)、(D3，D3)。

指标权重判断矩阵中每个位置点上的取值，为该位置点后一个指标的重要性评分的平均分与前一个指标的重要性评分的平均分的比值。

也就是说，指标权重判断矩阵中矩阵元素的取值为矩阵元素所在列对应的指标的重要性评分的平均分与该矩阵元素所在行对应的指标的重要性评分的平均分的比值。

指标权重判断矩阵是各个指标之间的关联度的体现，这个关联度由所有特定用户对所有指标的评分决定。

在本发明实施例中，通过构建的指定层级的指标权重判断矩阵，并在该权重判断矩阵通过了一致性验证的情况下，可以对该层级的各个指标的权重值进行计算。

下面继续参考上述表4中的指标权重判断矩阵，详细介绍如何计算得到该权重判断矩阵中各个指标的权重值。

下表5示意性示出了根据表4中的指标权重判断矩阵对该矩阵的每一行求和，以及对所有值求和的求和结果。

表5 指标权重判断矩阵各行求和以及所有值求和

如表5所示，首先，对该指标权重判断矩阵各位置点的取值进行每一行的求和，第一行各位置点的求和结果是4.4175，第二行各位置点的求和结果是2.23814，第三行各位置点的求和结果是3.35697。

其次，将每一个行各位置点的求和结果进一步进行求和，得到该指标权重判断矩阵中所有位置点的取值的和，即10.01261。

然后，将指标D1的权重值表示为ω₁，指标D2的权重值表示为ω₂，指标D3的权重值表示为ω₃。则ω₁的取值为第一行各位置点的求和结果与所有位置点的求和结果的比值，即同理计算得到

在一些实施例中，对于计算得到的权重值，可以进一步进行四舍五入的运算，将权重值精确到小数点的后两位。即该指标权重判断矩阵中D1、D2、D3指标对应的权重值分别为ω₁＝0.44，ω₂＝0.22，ω₃＝0.34。

在实际应用中，通过指标权重判断矩阵对各个指标的权重值进行计算方法有很多，在此不一一例举。

应理解，本发明实施例中的根据构建的指标权重判断矩阵计算指标的权重值的方法，不应理解为对本发明实施例中权重判断矩阵的构建的限制，也不应理解为对本发明实施例中权重值计算方法的限制。也就是说，在本发明实施例中，根据构建的指标权重判断矩阵计算各指标的权重值的方法可以根据实际的计算需求进行选择。

在一些实施例中，由于城镇综合承灾能力的评估涉及的指标的数量较多，并且容易受到其他人为因素的影响，导致构建的指标权重判断矩阵可能会出现一致性的问题，为了提高指标权重判断矩阵中数据的准确度，作为可选实施例，还在指标权重判断矩阵的获取中，可以进一步包括以下步骤：分别对最低层级和中间层级的指标权重判断矩阵进行一致性检验，以确定最低层级和中间层级的指标权重判断矩阵是否具有一致性；以及如果最低层级和中间层级的指标权重判断矩阵具有一致性，则基于具有一致性的权重判断矩阵计算最低层级和中间层级的各个指标的权重值。

针对上述的矩阵A，显然具有如下性质：且

即(A-kI)W＝0，说明W和k分别为矩阵A的特征向量和特征值，而且k为A的唯一非零特征值。

如W事先是未知的，可以根据方案的两两比较得到，但是得到的比较矩阵不一定能满足上述A的所有特征，将该矩阵记为此时，AW＝kW,变成其中λ_max为的最大特征值，W′为带有偏差的相对权重向量。这就是由判断不相容所引起的误差，为了保证误差不能太大，必须对矩阵进行一致性判断。当A是完全一致性时，满足下列条件：a_ii＝1；且λ_max为A的唯一非零特征值。当不是完全一致时，一般有λ_max≥k，根据矩阵理论

则λ_max-k＝-∑_i≠maxλ

将判断矩阵一致性指标定义为：

可见当λ_max＝k时，CI＝0为完全一致，CI值越大判断矩阵的一致性越差。一般认为CI≤0.1时该矩阵的一致性是可以接受的。一般随着矩阵维数的增大，对矩阵一致性的要求就越宽，为此引入一致性修正值RI(见下表6)，并用修正后的CR作为判断矩阵一致性的新标准。三者满足CR＝CI/RI。

表6 不同维数的随机一致性指标RI值

因此，在本发明的上述实施例中，通过对指标权重判断矩阵进行一致性检验，通过检验结果确定构造的指标权重判断矩阵是否可接受，以提高整体评估和评估的结果的正确性和有效性。

如果构造的指标权重判断矩阵不能通过一致性检验，则需要对该层级的各指标的重要性进行重新打分并构造指标权重判断矩阵。如果构造的指标权重判断矩阵通过一致性检验，则基于该指标权重判断矩阵计算各指标的权重值。

接着，在图1的步骤S130中，获取所述城镇的预定期间的最低层级的指标数据。这里指标包含定性的指标和定量的指标。这里步骤S120与步骤S130的顺序可以不分先后，也可以先执行步骤S130，后执行步骤S120。

在图1的步骤S140中，针对所述指标数据，利用证据推理法与所述权重值来计算所述城镇的综合承灾能力指数。

图3示出利用证据推理法获取城镇的综合承灾能力指数的流程图。证据推理方法的优势在于能够较好地处理数据的不确定性和不可测性。而在城镇综合承灾风险评估中，存在很多不确定性的指标，因此将证据推理法运用到城镇承灾风险评估中，能够准确进行综合承灾能力的评价。

首先，在图3的步骤S1401中，将所获取的所述指标数据转换为置信度结构数据。

采用证据推理方法，首先需要确定城镇综合承灾风险的每个指标的置信度结构(Belief Structure)，即对于城镇确定其指标在每一评价等级下的隶属度。对于定性指标，这个由专家打分决定。对于定量指标，通过对原始数据的转换亦可得到。

具体地，对于定性的指标，通过由专家或专业人员等特定人员针对该指标进行评分，通过对评分进行统计得到该指标的置信度结构数据。例如在城镇的综合承灾能力的评价指标体系的第二层级指标防灾能力中包含第三层级的社会因素指标，作为该社会因素的第三层级包含第四层级的“城乡居民社会公德评价等级”这一定性指标，针对该定性指标设置五个评价等级：{很差，差，一般，好，很好}，特定人员对某一城镇该指标进行评分，得出如下的评价结果：{(很差，0％)，(差，0％)，(一般，20％)，(好，60％)，(很好，20％)}，即有20％的特定人员认为该地区城乡居民社会公德评价等级为一般，60％的特定人员认为好，20％的特定人员认为很好。

针对定量的指标，首先要进行原始数据的标准化处理。图4是示出对指标数据的标准化处理的详细的流程图。由于定量的指标的原始数据的数量级不统一，且不同指标对上层指标的影响正负性不一，故需要对定量的指标的原始数据进行标准化处理。如图4所示，该标准化处理包括步骤S1411，针对所获取的所述同一指标的历史数据基于所述同一指标的预定期间的全部历史数据进行归一化处理，以及步骤S1412，针对负向指标的历史数据在进行所述归一化处理后进行正向化处理。

对原始数据的归一化处理只需要归一化为(0,1)范围即可，同时为了避免不易理解的“0”和“1”结果的出现，故采用如下式(1)、即改进的min-max方法进行归一化处理。

这里x表示定量的指标的原始数据，t表示进行归一化处理后的指标数据。

其中，u_min和u_max分别如下式(2)、(3)来求出，x_min是该城镇的预定期间内的该指标的最小值，x_max是该城镇的预定期间内的该指标的最大值。

u_min＝x_min-0.1|x_min| (2)

u_max＝1.1x_max (3)

这里只要能够将指标的原始数据进行归一化处理即可，不限于上述方法。

另外，在城镇综合承灾能力的评价中，上述指标包含正向的指标和负向的指标。针对负向的指标，在进行归一化处理后，还需要基于式(4)进行正向化处理。t’表示进行了正向化处理后的所述负向的指标数据。

通过上述，对定量的指标的原始数据进行标准化处理，从而得到标准化处理后的指标数据。接着，参照图5，对进行标准化处理后的指标数据进行置信度结构转换。图5是示出表示标准化处理后的指标值与对应评价等级的隶属度关系曲线图。图6进一步示出同一指标数据在不同评价等级下的隶属度的示意图。

在置信度结构转换中，首先，如图5所示，横坐标表示经过标准化处理后的指标数据r(l)，纵坐标表示对应评价等级的隶属度u(r)，分别示出在评价等级分别为很低、低、一般、高、很高下的指标数据r(l)与隶属度u(r)之间关系的曲线图。

参考图6以及置信度结构转换的下述式(5)、式(6)，最终得到某一指标的置信度结构FBS_i，这里FBS_i＝{(FH_n,β_n)}，FH_n表示评价等级，β_n表示隶属于某一评价等级的相应置信度，n是整数。在图6中，虚线所对应的指标的标准化处理后的指标数据与两个相邻的评价等级FH_n和FH_n+1相关联，其隶属度分别为和因此，通过下述式(5)和式(6)得到置信度结构形如：FBS_i＝{(FH_n,β_n)}。从而，实现了将定量的指标数据转换为与定性的指标数据对应的相同置信度结构数据。

接着，在图3的步骤S1402中，利用最低层级的所述置信度结构数据以及所述权重值通过递推方式获得从低层级到高层级的置信度结构。

由于对城镇综合承灾能力的指标进行按层级设定，因此在利用证据推理法进行综合承灾能力评估时，从最低层级开始向最高层级进行置信度结构合成。假设每个上层级的索引S_j包含多个(L个)低层级的索引，通过步骤S1401获取低层级的每个指标的置信度结构：FBS_i＝{(FH_n,β_n)}。进而，基于在前面实施例中说明的利用层次分析法获取的权重ω_i(i为整数)，进行如下计算。

m_n，i＝ω_iβ_n，i，n＝1，2，...，N i＝1，2，...，L (7)

在式(7)中，m_n，i表示指标R_i隶属于某一评价等级FH_n的基本置信度；在式(8)中，m_H，i是因信息缺失造成的未分配的概率质量，它可以分为两个部分，N代表评价等级的数量，L代表在同一上层指标下的下层指标数量。

接下来，对来自指标R_i(i＝1、2、……、L)的输出进行聚合，以生成上层指标S_j的置信度结构

通过上述式(11)～(17)，获取上一层极的置信度结构。Hn表示上一层级的评价等级，表示该上一层级的评估等级Hn下的置信度，是在整体评估中表示因信息缺失造成的未分配的置信度。从而，能够生成上层指标S_j在评价等级Hn下的置信度依次重复该过程，最终即可得到城镇综合承灾能力评价体系的作为最高层级的指标的置信度结构。

接着，在步骤S1403中，基于所获取到的最高层级的置信度结构以及预先确定的表示评价等级与效用值之间的关系的效用值函数来计算所述城镇的综合承灾能力指数。

预先定义一个表示评价等级与效用值之前关系的效用值函数。图7是示出用于城镇综合承灾能力的评价的效用值函数曲线图。横轴的评价等级分为：很低、低、一般、高、很高；纵轴的效用值从0～1变化。按照以下公式计算城镇综合承灾能力指数：

u(i)表示第i个地区的综合承灾能力指数，N表示评价等级数量，β_n，i表示第i个地区的综合承灾能力指数置信度结构中隶属于评价等级H_n的置信度，u(H_n)表示相应评价等级的效用值。

综上所述，在本发明实施例中，提供了一种城镇综合承灾能力评估方法，获取指标体系的指标，利用层次分析法对城镇的层级指标构造判断矩阵，并基于该判断矩阵计算各个指标的权重值，并对采集到的历史数据利用证据推理法和上述权重值层层递进向上地推算出最高层级的综合承灾能力指数，以对城镇的安全性进行评估。通过上述的城镇综合承灾能力的评估方法，能够处理同时存在定性指标和定量指标的情况，又能处理数据的不确定性，从而能够对城镇的安全性进行全面可靠地评估

下面结合图8至图10详细描述本发明实施例的城镇综合承灾能力的评估装置。

图8示出了根据本发明一个实施例的城镇综合承灾能力的评估装置的结构示意图。如图8所示，本发明实施例的城镇综合承灾能力的评估装置200包括：

指标获取模块210，用于获取影响城镇综合承灾能力的指标体系的多个层级以及每个层级的指标，所述多个层级至少包括最低层级、至少一个中间层级和最高层级；

权重计算模块220，用于利用层次分析法分别计算所述最低层级和所述中间层级的指标的权重值；

数据获取模块230，获取所述城镇的预定期间的最低层级的指标数据；以及

综合承灾能力指数计算模块240，针对所述指标数据，利用证据推理法与所述权重值来计算所述城镇的综合承灾能力指数。

根据本发明实施例提供的城镇综合承灾能力评估装置，获取城镇的层级指标，计算得到每个层级的各个指标的权重，并对采集到的指标的历史数据利用证据推理法以及上述计算出的权重依次递推计算，得到最高层级的综合承灾能力指数，以对城镇的安全性进行评估。

图9是示出图8中的综合承灾能力指数计算模块的一具体结构框图。如图9所示，在一些实施例中，所述综合承灾能力指数计算模块240包括：数据转换模块241，将所获取的所述指标数据转换为置信度结构数据；置信度结构获取模块242，利用最低层级的所述置信度结构数据以及所述权重值通过递推方式获得从低层级到高层级的置信度结构；以及运算模块242，基于所获取到的最高层级的置信度结构以及预先确定的表示评价等级与效用值之间的关系的效用值函数来计算所述城镇的综合承灾能力指数。

根据本发明实施例的城镇综合承灾能力的评估装置的其他细节与以上描述的根据本发明实施例的方法类似，在此不再赘述。

上述各实施例描述了在城镇综合承灾能力的判断中，建立指标体系获取指标，并利用层次分析法与证据推理法的结合来获取最终的综合承灾能力指数。

结合图1至图9描述的根据本发明实施例的城镇综合承灾能力的评估方法和装置可以由本发明实施例的城镇综合承灾能力评估系统来实现。图10是示出能够实现根据本发明实施例的对城镇进行性评估的方法和装置的城镇综合承灾能力评估系统的示例性硬件架构的结构图。如图10所示，城镇综合承灾能力的评估系统600包括输入设备601、输入接口602、中央处理器603、存储器604、输出接口605、以及输出设备606。其中，输入接口602、中央处理器603、存储器604、以及输出接口605通过总线610相互连接，输入设备601和输出设备606分别通过输入接口602和输出接口605与总线610连接，进而与城镇综合承灾能力的评估系统600的其他组件连接。具体地，输入设备601接收来自外部的输入信息，并通过输入接口602将输入信息传送到中央处理器603；中央处理器603基于存储器604中存储的计算机可执行指令对输入信息进行处理以生成输出信息，将输出信息临时或者永久地存储在存储器604中，然后通过输出接口605将输出信息传送到输出设备606(例如，显示器等)；输出设备606将输出信息输出到城镇综合承灾能力的评估系统600的外部供用户使用。

也就是说，图10所示的城镇综合承灾能力评估系统可以被实现为包括：存储有计算机可执行指令的存储器；以及处理器，该处理器在执行计算机可执行指令时可以实现结合图1至图9描述的对城镇综合承灾能力评估的方法和装置。这里，处理器可以与获取各个指标的外部设备进行通信，从而基于来自外部设备的相关信息执行计算机可执行指令，从而实现结合图1至图9描述的城镇综合承灾能力评估的方法和装置。

在一个实施例中，图10所示的对城镇综合承灾能力评估系统600可以被实现为包括：存储器，用于存储程序；处理器，用于运行存储器中存储的程序，以执行以下步骤：获取影响城镇综合承灾能力的指标体系的多个层级以及每个层级的指标，所述多个层级至少包括最低层级、至少一个中间层级和最高层级；利用层次分析法分别计算所述最低层级和所述中间层级的指标的权重值；获取所述城镇的预定期间的最低层级的指标数据；以及针对所述指标数据，利用证据推理法与所述权重值来计算所述城镇的综合承灾能力指数。

需要明确的是，本发明并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见，这里省略了对已知方法的详细描述。在上述实施例中，描述和示出了若干具体的步骤作为示例。但是，本发明的方法过程并不限于所描述和示出的具体步骤，本领域的技术人员可以在领会本发明的精神后，作出各种改变、修改和添加，或者改变步骤之间的顺序。

以上所述的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时，其可以例如是电子电路、专用集成电路(ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时，本发明的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中，或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频(RF)链路，等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。

还需要说明的是，本发明中提及的示例性实施例，基于一系列的步骤或者装置描述一些方法或系统。但是，本发明不局限于上述步骤的顺序，也就是说，可以按照实施例中提及的顺序执行步骤，也可以不同于实施例中的顺序，或者若干步骤同时执行。

以上所述，仅为本发明的具体实施方式，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的系统、模块和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。应理解，本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。

Claims

1.一种城镇综合承灾能力的评估方法，其特征在于，所述评估方法包括：

获取影响城镇综合承灾能力的指标体系的多个层级以及每个层级的指标，所述多个层级至少包括最低层级、至少一个中间层级和最高层级；

利用层次分析法分别计算所述最低层级和所述中间层级的指标的权重值；

获取所述城镇的预定期间的最低层级的指标数据；以及

针对所述指标数据，利用证据推理法与所述权重值来计算所述城镇的综合承灾能力指数。

2.根据权利要求1所述的城镇综合承灾能力的评估方法，其特征在于，

在计算所述综合承灾能力指数的步骤中，包括：

将所获取的所述指标数据转换为置信度结构数据；

利用最低层级的所述置信度结构数据以及所述权重值通过递推方式获得从低层级到高层级的置信度结构；以及

基于所获取到的最高层级的置信度结构以及预先确定的表示评价等级与效用值之间的关系的效用值函数来计算所述城镇的所述综合承灾能力指数。

3.根据权利要求2所述的城镇综合承灾能力的评估方法，其特征在于，

在将所述指标数据转换为所述置信度结构数据的步骤中，

针对定性的指标数据，利用按照预先确定的方式获取的评分来获得所述定性的指标的置信度结构数据；

针对定量的指标数据，进行标准化处理，并基于表示评价等级与隶属度之间关系的隶属度函数，获取所述标准化处理后的指标数据在各相关评价等级下的置信度，从而获取所述置信度结构数据。

4.根据权利要求3所述的城镇综合承灾能力的评估方法，其特征在于，

在u(i)表示第i个地区的综合承灾能力指数、N表示评价等级的数量、β_n，i表示第i个地区的综合承灾能力指数置信度结构中隶属于评价等级H_n的置信度、u(H_n)表示相应评价等级的效用值的情况下，所述综合承灾能力指数u(i)基于下式求出，

<mrow> <mi>u</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> <mo>=</mo> <munderover> <mo>&Sigma;</mo> <mrow> <mi>n</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </munderover> <msub> <mi>&beta;</mi> <mrow> <mi>n</mi> <mo>,</mo> <mi>i</mi> </mrow> </msub> <mi>u</mi> <mrow> <mo>(</mo> <msub> <mi>H</mi> <mi>n</mi> </msub> <mo>)</mo> </mrow> <mo>.</mo> </mrow>

5.根据权利要求1至4中任一项所述的城镇综合承灾能力的评估方法，其特征在于，

所述指标体系下的所述指标是表现城镇的防灾能力、抗灾能力、救灾能力以及恢复能力的指标。

6.一种城镇综合承灾能力的评估装置，其特征在于，所述评估装置包括：

指标获取模块，获取影响城镇综合承灾能力的指标体系的多个层级以及每个层级的指标，所述多个层级至少包括最低层级、至少一个中间层级和最高层级；

权重计算模块，利用层次分析法分别计算所述最低层级和所述中间层级的指标的权重值；

数据获取模块，获取所述城镇的预定期间的最低层级的指标数据；以及

综合承灾能力指数计算模块，针对所述指标数据，利用证据推理法与所述权重值来计算所述城镇的综合承灾能力指数。

7.根据权利要求6所述的城镇综合承灾能力的评估装置，其特征在于，

所述综合承灾能力指数计算模块包括：

数据转换模块，将所获取的所述指标数据转换为置信度结构数据；

置信度结构获取模块，利用最低层级的所述置信度结构数据以及所述权重值通过递推方式获得从低层级到高层级的置信度结构；以及

运算模块，基于所获取到的最高层级的置信度结构以及预先确定的表示评价等级与效用值之间的关系的效用值函数来计算所述城镇的综合承灾能力指数。

8.根据权利要求7所述的城镇综合承灾能力的评估装置，其特征在于，

所述数据转换模块

9.根据权利要求8所述的城镇综合承灾能力的评估装置，其特征在于，

在u(i)表示第i个地区的综合承灾能力指数、N表示评价等级数量、β_n，i表示第i个地区的综合承灾能力指数置信度结构中隶属于评价等级H_n的置信度、u(H_n)表示相应评价等级的效用值的情况下，所述综合承灾能力指数u(i)基于下式求出，

10.一种城镇综合承灾能力的评估系统，包括存储器和处理器，

所述存储器用于存储程序，

所述处理器用于运行存储器中存储的程序，以执行以下步骤：

获取所述城镇的预定期间的最低层级的指标数据；以及